| 作者简介 | 第1-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-14页 |
| 第一章 绪论 | 第14-20页 |
| §1.1 选题背景及意义 | 第14-15页 |
| §1.2 国内外研究现状与存在问题 | 第15-17页 |
| ·基于图的半监督分类算法研究现状 | 第15-16页 |
| ·图构造方法研究现状 | 第16页 |
| ·目前存在的问题 | 第16-17页 |
| §1.3 论文主要研究内容 | 第17-18页 |
| §1.4 论文的组织结构 | 第18-20页 |
| 第二章 基于图的半监督分类算法 | 第20-27页 |
| §2.1 传导式半监督分类算法 | 第20-24页 |
| ·最小分割Mincut | 第21页 |
| ·高斯随机场和调和函数GRHF | 第21-22页 |
| ·局部和全局一致性LGC | 第22-23页 |
| ·线性邻域传播算法LNP | 第23-24页 |
| §2.2 直推式半监督分类算法 | 第24-26页 |
| ·流形正则化MR | 第25-26页 |
| §2.3 本章小结 | 第26-27页 |
| 第三章 基于线性邻域传播的加权K近邻算法 | 第27-36页 |
| §3.1 加权K近邻算法 | 第28页 |
| §3.2 基于线性邻域传播的加权K近邻算法 | 第28-30页 |
| §3.3 高光谱数据实验结果与分析 | 第30-34页 |
| ·数据描述 | 第30-32页 |
| ·实验结论与分析 | 第32-34页 |
| §3.4 本章小结 | 第34-36页 |
| 第四章 基于流形学习进行图结构设计的半监督分类算法 | 第36-52页 |
| §4.1 几种典型流形学习算法 | 第37-43页 |
| ·多维尺度化MDS | 第37-38页 |
| ·等距映射算法ISOMAP | 第38页 |
| ·拉普拉斯特征映射LE | 第38-40页 |
| ·局部线性嵌入LLE | 第40-41页 |
| ·局部切空间排列LTSA | 第41-43页 |
| §4.2 基于流形学习构图的LapSVM算法 | 第43-45页 |
| ·LapSVM算法原理 | 第43-44页 |
| ·基于流形学习算法的图结构设计 | 第44-45页 |
| §4.3 基于流形学习构图的LapSVM算法性能比较实验 | 第45-50页 |
| ·数据描述 | 第45-46页 |
| ·实验结果与分析 | 第46-50页 |
| §4.4 本章小结 | 第50-52页 |
| 第五章 基于不相似图和相似图组合的标签传递算法 | 第52-62页 |
| §5.1 不相似图构造 | 第53-55页 |
| ·基于稀疏表达的不相似概率计算 | 第53-54页 |
| ·基于不相似概率的不相似图构造 | 第54-55页 |
| §5.2 基于不相似图和相似图组合的标签传递算法 | 第55-57页 |
| ·相似图构造 | 第55页 |
| ·混合图拉普拉斯 | 第55-56页 |
| ·基于不相似图和相似图组合的标签传递算法 | 第56-57页 |
| §5.3 高光谱遥感数据实验结果与分析 | 第57-61页 |
| ·数据描述 | 第57页 |
| ·实验结论与结果分析 | 第57-60页 |
| ·算法参数敏感性分析 | 第60-61页 |
| §5.4 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-64页 |
| §6.1 结论 | 第62-63页 |
| §6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |